For the relational schemas of the campus card database given in problem 1, there are following assumptions:
ncard=10,000 , npos=100, ndetail=10,000,000
lcard=25, lpos=22, ldetail=29
V(campus, pos) = 6, V(location, pos) = 20
V(depart, card) = 100, V(name, card) = 5000
The value of attribute cdate in detail table is uniformly distributed between ‘2017-01-01’ and ‘2017-12-31’.
block size is 4K bytes.
size of B±tree pointer is 4 bytes.
card and detail tables are stored as sequential files based on search key cno.
there is a B±tree index on detail(cno).
(1) Estimate the size (i.e. number of records) returned by following SQL statement :
select d1.cno, d2.cno
from detail d1, detail d2
where d1.pno=d2.pno
and d1.cdate=d2.cdate
and d1.cdate between ‘2017-05-01’ and “2017-07-31’
首先,detail被pno给连接了起来。pno是pos的主码,很容易得知,pno一共100个不同的值。
而detail一共10,000,000条记录。也就是说,一条pno对应了10,000,000/100条detail
也就是说,1条pno两侧分别有100,000条detail,它们笛卡尔积的大小就是(100,000)^2,
既然有100条pno,那么它们的大小为100*100,000^2。
由此,可以得到一个公式(由于我的概率论不太好,只能用这种方式算概率),假如一个集合大小为n, 一个集合大小为m,连接它们的属性一共k个,那么一个属性分别对应n/k, m/k个属性,结果为n*m/k个,概率为1/k。
简而言之,概率就是连接它们的属性个数倒数。
对于and连接的条件,概率相乘,第一次连接,概率为1/100.
由于一年有365天,因此第二个连接属性的大小为365
最后一个条件不涉及连接,更加简单,就是3/12
结果就是:(10,000,000)*(10,000,000)/(100*365)*3/12
这个算法需不需要m=k或者n=k呢?好像不需要。